Sadržaj
- Što je prediktivna analitika?
- Prediktivna analitika u vezi s zdravstvenom zaštitom
- Studija slučaja 2: Neimenovana klinika za povećanje profitabilnosti
- Zahtjev
- Akcija
- Rezultat
- Važne točke koje morate zapamtiti
- Sažetak
Izvor: Andreypopov / Dreamstime.com
Oduzeti:
Medicinska industrija koristi prediktivnu analitiku za poboljšanje skrbi o pacijentima, smanjenje slučajeva ponavljajućih problema i povećanje profitabilnosti.
Prediktivna analitika, kako se govori, redefinira način pružanja zdravstvene zaštite. Predvidjet će pojave kritičnih bolesti i vjerojatnost ponovnog prihvaćanja u budućnosti. Ostali sektori poput hrane i pića, publikacija i zabave već su iskoristili koristi od prediktivne analitike - nema razloga da zdravstvena zaštita ne može to učiniti.
Međutim, definiciju i opseg prediktivne analitike prvo treba razumjeti čisto u vezi sa zdravstvenom zaštitom. Jedan model koji odgovara svima neće raditi. Važno je i pružanje infrastrukture za pružanje analitike te mogućnost pružanja potrebnih informacija zdravstvenim radnicima u ispravnom formatu. Kako bi pružili odgovarajuću i proaktivnu zdravstvenu zaštitu, zdravstvenim radnicima se moraju dati pravi uvjeti i metapodaci. Iako je prediktivna analitika dobra za zdravstvo, ona se prvo mora prilagoditi i isporučiti prave podatke u ispravnom formatu. (Da biste saznali više o ulozi velikih podataka u zdravstvu, pogledajte hoće li veliki podaci revolucionirati zdravstvo?)
Što je prediktivna analitika?
Prediktivna analitika je grana napredne analitike koja pruža predviđanja određenih događaja na temelju povijesnih podataka, obrazaca podataka i drugih ulaza. Mogu se poduzeti aktivni koraci za rješavanje zahtjeva koji proizlaze iz predviđanja. Da bi se napravila predviđanja, prediktivna analitika koristi tehnike koje se koriste u drugim granama kao što su vađenje podataka, umjetna inteligencija, modeliranje, strojno učenje i statistika, a integrira informatičku tehnologiju, upravljanje i modeliranje poslovnih procesa. Predviđanja se mogu koristiti za prepoznavanje rizika i prilika u budućnosti. Prediktivna analitika može pomoći poslovnim organizacijama da postignu puno stvari. Nekoliko primjera uključuju:
- Identificiranje skrivenih asocijacija i obrazaca
- Poboljšanje zadržavanja kupaca
- Smanjivanje rizika da bi se minimizirali gubici i izloženost
- Poboljšanje zadovoljstva kupaca
Postoji puno primjera iz stvarnog života kako su tvrtke profitirale od korištenja prediktivne analitike. Accenture je proveo istraživanje kako bi utvrdio kako su različite tvrtke profitirale od korištenja prediktivne analitike. Neki od nalaza su:
- Best Buy otkrio je da je manje od 7% kupaca pridonijelo 43% njegove prodaje. Zatim je logično segmentirala svoje kupce i redizajnirala svoje prodavaonice i iskustvo u trgovini kako bi odražavala kupovne navike određenih grupa kupaca.
- Olive Garden, američki casual blagovaonski restoran, koristi podatke za osmišljavanje i redizajniranje svog jelovnika. Na taj način, to je uspjelo značajno smanjiti rasipanje hrane.
Prediktivna analitika primjenjuje se na mnoge domene poput zdravstvene zaštite, upravljanja odnosima s klijentima (CRM), otkrivanja prijevara i upravljanja rizikom. Prediktivna analitika često se kombinira s prediktivnom analitikom. Analitička presuda u tom smislu znači da se ne predviđaju samo određena događanja, već su i određeni koraci koji se moraju poduzeti za rješavanje situacije. Ove će korake pružiti sam analitički motor. (Saznajte više o otkrivanju prijevara uz Strojno učenje i Hadoop u otkrivanju prijevara nove generacije.)
Prediktivna analitika u vezi s zdravstvenom zaštitom
Teoretski, prediktivna analitika ima veliku ulogu u poboljšanju zdravstvene zaštite. Iako je još uvijek novi sudionik u upravljanju zdravstvenom zaštitom i njegov se opseg još uvijek razrađuje, prediktivna analitika može analizirati povijesne podatke o pacijentima i pružiti predviđanja za stvari poput rizika od bolesti, vjerojatnosti srčanih i astmatičnih napada na temelju profila pacijenta i vjerojatnost readmisije.
Ljudski mozak ne može duboko analizirati više od šest do osam varijabli odjednom kako bi pravilno prikazao problem. No, algoritam prediktivnog modela može istovremeno analizirati stotine varijabli da bi se stvorio točan profil medicinskog problema. Na temelju profila može se postaviti točna dijagnoza i predviđanja rizika, ako postoje.
Prediktivno modeliranje može pomoći u kontroli troškova povezanih s medicinskom skrbi. U Sjedinjenim Državama jedan od pet pacijenata Medicare ponovno se šalje u bolnicu u roku od 30 dana nakon otpusta, što rezultira troškovima od 17 milijardi dolara godišnje.
Klinika Steadman Hawkins uspjela je povećati njihovu neto profitabilnost za 20 milijuna dolara godišnje. Oni su također mogli poboljšati točnost svojih financijskih predviđanja sa 30 na 32 posto.
Studija slučaja 2: Neimenovana klinika za povećanje profitabilnosti
Zahtjev
Klinika je željela poboljšati usluge pacijentima i poboljšati njihovu profitabilnost optimalnim korištenjem njihovih resursa koji uključuje osoblje, ustanove i instrumente.
Akcija
Klinika je prikupila obilne podatke o različitim varijablama kao što su vrsta skrbi koja je potrebna pacijentima, profil osoblja i kvalifikacija, profil pacijenta, kvaliteta pruženih usluga kao što su vrijeme odgovora, ishod, iskustvo pacijenta i vrijeme čekanja za pacijente. Na temelju prikupljenih podataka stavila se u upotrebu prediktivna analitika. Očekivali su konkretnu analitiku i tijek akcija koje će staviti u upotrebu.
Rezultat
Iako je klinika još uvijek u procesu provedbe politika na temelju njihove prediktivne analitike, postoje znakovi da su na putu da postignu barem 10 posto veću profitabilnost nego prije.
Važne točke koje morate zapamtiti
Nije da će primjena prediktivne analitike odmah početi činiti čuda. Rezultati ovise o pristupu. Prvo, industrija mora utvrditi što prediktivna analitika znači u konačnici, a zatim odrediti njezin opseg. Također, zdravstvena industrija mora imati na umu sljedeće lekcije iz drugih industrija:
- Količina uvida nije izravno proporcionalna količini podataka. Nećete dobiti više uvida samo povećanjem prikupljanja podataka.
- Uvidi ne moraju nužno dati vrijednost. Prvo morate prilagoditi uvid u svoj sadržaj tako da postane korisna.
- Provedba prediktivne analitike bit će veliki izazov. Morate prihvatiti prave tehnologije i pružiti uvid zdravstvenom osoblju u pravom formatu.
Sažetak
Prediktivnu analitiku potrebno je spojiti s prediktivnom analitikom kako bi se postigli pravi rezultati, jer industriji nisu potrebna samo predviđanja, već i postupak. Iako se čini da se koncept na kraju isplaćuje, poduzeća moraju uložiti ispravna ulaganja i biti strpljivi prema rezultatima ako se nadaju da će donijeti koristi.